multimodal-llm
Dépôts open source suivis étiquetés multimodal-llm, triés par étoiles.
Sujets associés
Sujets qui apparaissent souvent aux côtés de multimodal-llm sur un même dépôt.
Ascensions récentes
Dépôts créés au cours des 90 derniers jours et étiquetés multimodal-llm.
- #1
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent, supporting multimodal understanding and retrieval.
★ 1 420 - #2
🎬 OraRL — Annotations as Rollouts for efficient, scalable reinforcement learning of unified video MLLMs.
★ 152
- #1
Modèles ASR open-source de qualité industrielle prenant en charge le mandarin, les dialectes chinois et l'anglais, atteignant un nouvel état de l'art sur les benchmarks ASR publics en mandarin, tout en offrant une capacité exceptionnelle de reconnaissance des paroles de chansons.
★ 1 975+2Évolution des étoiles sur les 7 derniers jours - #2
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent, supporting multimodal understanding and retrieval.
★ 1 420+462Évolution des étoiles sur les 7 derniers jours - #3
Catalogue visuel organisé de plus de 155 architectures de modèles vision-langage (VLM/MLLM) : articles, diagrammes, recettes d'entraînement, jeux de données et chronologie des versions pour les agents IA multimodaux.
★ 1 310+2Évolution des étoiles sur les 7 derniers jours - #4
Implémentation officielle de l'article "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens".
★ 869+0Évolution des étoiles sur les 7 derniers jours - #5
Système ASR industriel tout-en-un de pointe incluant des modules ASR, VAD, LID et de ponctuation. FireRedASR2 prend en charge le chinois, l'anglais, le code-switching ainsi que la reconnaissance de la parole et du chant.
★ 672+13Évolution des étoiles sur les 7 derniers jours
